标签
普林斯顿大学与Google的联合论文提出JevAgentHarness，将智能体工作流中的常规决策（如工具选择）交给经智能体实际状态训练的小型决策模型（如AgentDecision-4B），在保持成功率的同时使成本降低81%–89%、速度提升最高2.5倍。
一位开发者详细介绍了一项历时3个月的项目，该项目使用数千亿个Token以及由自主AI智能体（Claude和Codex）组成的集群，将一款热门的第一人称射击游戏完整反编译为可准确编译的C++代码。文章重点介绍了智能体的编排方式：使用GitHub Issues跟踪进度，使用Discord进行智能体间通信，使用ida-mcp进行反汇编，以及针对运行框架的优化，例如降低压缩阈值等。
LangChain 分享了 Sydney Runkle 的一段视频，讲解如何在编码智能体工具链中构建模型路由器，演示了如何通过将任务匹配到规模合适的模型，在不降低质量的前提下将成本削减 64%。
本文介绍了Gavel，这是一种通过线性投影从冻结LLM中引出原生技能路由的方法，实现了高效的工具选择而不会造成上下文过载，并在基准测试中超越了现有流程。
Jenny 是一款免费、开源的 Electron 桌面应用，用于运行本地 LLM，支持工具调用、回滚和 IDE 功能，作为一个独立项目开发了超过 1.5 年。
作者探讨了使用控制工具管理AI编码代理的重要性，并分享了借助Cursor、Claude和Deepseek等工具提升生产力和模型使用成本效益的技巧。
本文介绍了一个用于精确比分足球预测的可审计LLM框架，该框架在四个系统迭代中整合了动态泊松族模型与基于LLM的上下文推理，并提供了2025-26赛季英格兰足球超级联赛比赛的探索性结果。
本文探讨了设计LLM控制框架的原则，旨在使其直观、透明且精简，借鉴Unix哲学以减少认知负荷并提高可靠性。
AgentScope团队推出了PawBench，这是一个用于评估模型与代理框架综合性能的基准测试。通过对4,050个测试单元的分析，结果表明框架选择的影响堪比模型升级。
Browser Use 0.13.0 是完全用Rust重写的，提供了针对最先进模型优化的自定义LLM和浏览器框架，取代了之前以GPT-4为中心的版本。
Browser Use Terminal 是一个用于浏览器代理的 Rust TUI，允许用户从终端自动化浏览器任务，它配备了一个新的LLM harness，比Browser Harness便宜2倍且快2倍。
作者更新了自定义的适配器和 UI 桥接工具，以便通过 llama.cpp 在本地 RTX 5090 上运行 Qwen 3.6 模型，从而在 GitHub Copilot Codex 中使用。本文详细介绍了已实现的功能、修复的 Bug 以及在实现与原生 OpenAI 模型等效性方面仍存在的局限性。
作者分享了一次调试经历：代理循环是由框架截断工具输出导致的，而非模型故障，突显了代理基础设施相比模型存在的可靠性差距。